la Inteligencia Artificial Geoespacial -GeoAI-
La Inteligencia Artifical Geoespacial GeoAI, es una rama de la inteligencia artificial que se enfoca en el análisis de datos geográficos utilizando técnicas de aprendizaje automático y otras técnicas de inteligencia artificial. Esta tecnología se utiliza en aplicaciones que involucran datos geográficos, como mapas digitales, sistemas de navegación, análisis de recursos naturales y urbanos, monitoreo ambiental y análisis de imágenes satelitales.
La Inteligencia Artificial Geoespacial se aplica en diversas áreas, como el monitoreo del clima y la predicción de eventos climáticos, la gestión de desastres naturales, la planificación urbana y la gestión de recursos naturales. También se utiliza en aplicaciones de navegación y logística, como la optimización de rutas de entrega y la planificación de la logística de transporte.
Ipsilum Proporciona funcionalidades avanzadas de identificación de fenómenos a partir de su reconocimiento por técnicas de visión computacional sobre múltiple tipos de datos, como pueden ser imágenes satelitares, capturadas por vuelos convencionales o desde vehículos no tripulados tanto RGB como multiespectrales o procedentes nubes de puntos LiDAR .
Dentro de Ipsilum las funcionalidades aportadas se agrupan en tres bloques :
- Preparación del Sistemas AI
- Entrenamiento del modelo AI
- Explotación del modelo AI entrenado
Las tecnología desarrollada utilizan algoritmos de machine learning o aprendizaje automático y, más específicamente, de deep learning o aprendizaje profundo. Las dos tecnologías hacen referencia a sistemas capaces de aprender por sí solos. La diferencia entre ambos estriba en el método de aprendizaje: el de deep learning es más complejo pero proporciona mejores resultados. Es también más autónomo, lo que significa que una vez programado el sistema, la intervención humana requerida es mínima.
El sistema de inteligencia artificial desarrollado se basa en un entrenamiento previo a partir de unos datos de entrada: imágenes georreferenciadas RGB y/o multiespectrales (procedentes de sensores embarcados en drones o de otras fuentes como PNOA y Sentinel-2), nubes de puntos LIDAR e información cartográfica vectorizada con los elementos que se quieren detectar. A partir de ese entrenamiento el sistema es capaz de detectar objetos cartográficos en cualquier área de interés y de generar cartografía en formato ráster, que posteriormente se puede vectorizar. Ese sistema de entrenamiento y validación es extrapolable para utilizarlo con otro tipo de datos de entrada y los objetos a detectar que se desee
El uso de tecnologías de inteligencia artificial permite obtener los beneficios de la automatización de tareas y procesos en su máxima expresión puesto que el aprendizaje que lleva a cabo la máquina es automático. A pesar de que previamente el desarrollo del sistema requiere de una inversión en I+D+i, los beneficios obtenidos a posteriori superan con creces esa inversión inicial de recursos.
.
